- Proč grafy raději než text
- Obecné principy vizualizace
- Architektura vizualizace (grammar of graphics)
3. 5. 2022
Přehled témat
Proč grafy raději než text?
Florence Nightingale a Krymská válka (1850s)
John Snow a epidemie cholery v Londýně
Spočítejte všechny trojky
Zdroj Ware (2012)
Spočítejte všechny trojky
Zdroj Ware (2012)
Lépe si pamatujeme vizuálně
Zdroj Medina (2014)
Obecné principy vizulizace
Eduard Tufte
Klíčová postava moderního přístupu k vizualizaci informací.
Chartjunk; data : ink ratio; data density; micro - macro reading.
Obecné principy vizulizace
- Důraz na data
- Čitelnost
- Integrita
PRINCIP 1: Důraz na data
PRINCIP 1: Důraz na data
Méně je více. Grafy mají efektivně komunikovat informace, design má tento cíl podpořit, ne zamlžit.
Poměr DATA : INKOUST
“Above all else show the data.” (Eduard Tufte)
Méně je více
Někdy se trochu inkoustu navíc vyplatí…
Nepoužívejte 3D grafy
Nejde jen o zbytečný efekt, ale aktivně škodí
Důraz na data: Nespoléhejte se na default
Excel koláčový graf
Financování dle zdroje, v tisících Kč
Excel koláčový graf - důraz
Financování dle zdroje, v tisících Kč
Excel sloupcový graf
PŘED
PO
Excel sloupcový graf časová řada
PŘED
PO
Excel spojnicový graf
PŘED
PO
Excel likertovská škála (diverging chart)
PŘED
PO
Excel likertovská škála - varianta (diverging chart)
PŘED
PO
PRINCIP 2: Čitelnost
PRINCIP 2: Čitelnost
Respekt k tomu, jak funguje lidská kognice.
Koláčové grafy se nehodí na provonávání
% university-educated in new EU members
Příklad zlepšení čitelnosti i důrazu
SKUTEČNÁ PUBLIKACE
NÁVRH NA ZLEPŠENÍ
Schwabish, J. A. (2014) An Economist’s Guide to Visualizing Data
“Small multiples” zlepšují čitelnost časových řad
SKUTEČNÁ PUBLIKACE
NÁVRH NA ZLEPŠENÍ
Schwabish, J. A. (2014) An Economist’s Guide to Visualizing Data
Pokud máte flexibilní nástroj, můžete být kreativní…
Schwabish, J. A. (2014) An Economist’s Guide to Visualizing Data
S tímhle opatrně…
Může být užitečné pro dvě kategorie.
Dobře zvládnutá datová hustota
Zdroj Financial Times
PRINCIP 3: Integrita
PRINCIP 3: Integrita
Vy rozhodujete o tom, jaké sdělení vizualizace vynese do popředí. Tím ale také nesete odpovědnost za možná zkreslení či přímo manipulace.
Jak moc že to rostou ceny bytů?
Problém osy y
axis y in -20 mil. (top), in 0 (bottom)
Někdy je osa y arbitrární
Někdy je potřeba “zazoomovat”
Pokud osa y nezačíná na 0 …
- … použijte “line chart,” raději než “bar chart”
- … upozorněte na to
Trápí nás chudoba nejméně ze všech evropských zemí?
Vizualizace míry nejistoty
Zde data z července 2021.
Nejistotu lze vizualizovat i u odhadů modelu
Pravdivá vizualizace, ale…
Obecné principy vizualizace - shrnutí
Důraz na data
- Defaultní nastavení je často potřeba změnit
- Ponechte jen ty prvky grafu, které mají informační hodnotu
- Nepoužívejte 3D grafy
- Přemýšlejte o tom, co chcete grafem říct
Čitelnost
- Respektujte lidskou kognici
- Vodorovné popisky grafu jsou lepší než svislé
- Přemýšlejte o tom, v jakém kontextu se s grafem čtenář setká
- Inspirujte se kreativními přístupy
Integrita
- Opatrně s osou y
- Komunikujte význam toho, co vizualizujete
- Zohledněte míru nejistoty
Architektura vizualizace (grammar of graphics)
Leland Wilkinson an ‘The Grammar of Graphics’ (book)
Co dělá dobrou vizualizaci? Jednotlivé komponenty…
- Data
- Proměnné
- Algebra
- Měřítko
- Geometrie (line chart, bar chart, …)
- “Estetika” (barvy, tvary, sytost, …)
- …
Hadley Wickham a překlopení Wilkinsonových myšlenek do softwaru
ggplot2
Sedm vrstev grafu. Tři povinné:
- Data
- Estetika - mapování informací na barvu, tvar, sytost, …
- Geometrie - grafické elementy, které reprezentují data
Čtyři “navíc”:
- Facety (small multiples)
- Agregované statistiky (např. regresní křivka)
- Úprava souřadnic (např. logaritmické měřítko)
- Téma (theme) - design grafu
Data
## # A tibble: 6 x 8 ## species island bill_length_mm bill_depth_mm flipper_length_~ body_mass_g sex ## <fct> <fct> <dbl> <dbl> <int> <int> <fct> ## 1 Adelie Torge~ 39.1 18.7 181 3750 male ## 2 Adelie Torge~ 39.5 17.4 186 3800 fema~ ## 3 Adelie Torge~ 40.3 18 195 3250 fema~ ## 4 Adelie Torge~ NA NA NA NA <NA> ## 5 Adelie Torge~ 36.7 19.3 193 3450 fema~ ## 6 Adelie Torge~ 39.3 20.6 190 3650 male ## # ... with 1 more variable: year <int>
ggplot(data = penguins)
Estetika (Aesthetics)
- osy
- obrys
- výplň
- velikost
- průhlednost
- tvar
- …
ggplot(data = penguins,
aes(x = sex))
Geometrie
- křivky
- body
- sloupce
- histogram
- boxplot
- …
ggplot(data = penguins,
aes(x = sex)) +
geom_bar()
Poděkování
Tato prezentace přirozeně čerpá z těžko představitelného objemu práce těžko představitelného množství lidí.
Přesto bych speciálně rád poděkoval Petrovi Bouchalovi. S ním jsme v roce 2016 připravovali kurz o metodologii vědy na letní akademii pro středoškoláky Discover, kde jsme se vizualizaci hodně věnovali. Petr také hostoval v mých kurzech na FF UK a teprve při jeho předndáškách jsem plně docenil hodnotu toho, když vizualizaci začneme vnímat jako plnohodnotnou pomocnou vědeckou disciplínu. S řadou příkladů v této prezentaci jsem se seznámil díky Petrovi.
Zdroje - principy a aplikace
- Jonathan Schwabish - blog
- The Economist a jeho daily charts
- Hans Rosling’s Gapminder
- Office for National Statistics - Presenting data
- Šestero dobré vizualizace podle v Průvodce evaluátora - Sbírka evaluačních tipů a doporučení
- The Data Visualization Checklist
- Vybrané principy diskutované na blogu datové novinářky The Economist
- Makeover Monday
- Excel charts
- Vizualizační fakapy - pro zasmání
Zdroje - ggplot2
- Některé přednášky kurzu Úvod do analýzy dat v R
- Kapitola Graphics for Communication knihy R for Data Science
- Kniha ggplot2 od jejího autora Hadleyho Wickhama
- Veká galerie grafů v ggplot2
Odkazovaná literatura a další zdroje
Pokud zdroje odkazované v prezentaci nejsou interaktivní (neobahují rozklik přímo na své umístění), najdete je v seznamu zde:
Medina, John. 2014. Brain Rules (Updated and Expanded): 12 Principles for Surviving and Thriving at Work, Home, and School. Second edition. Seattle, WA: Pear Press.
Ware, Colin. 2012. Information Visualization: Perception for Design. 3rd edition. Waltham, MA: Morgan Kaufmann.